TensorFlow进阶指南:基础、算法与应用

图书标准信息

• 作者 黄鸿波
• 出版社 电子工业出版社
• 出版时间 2018-10
• 版次 1
• ISBN 9787121345654
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【内容简介】

本书是由人工智能一线从业专家根据自己日常工作的体会与经验总结而成的，在对TensorFlow的基础知识、环境搭建、神经网络、常用技术的详细讲解当中穿插了自己实战的经验与教训。更与众不同的是，本书详细地解析了使用TensorFlow进行深度学习领域中常用模型的搭建、调参和部署整个流程，以及数据集的使用方法，能够帮助您快速理解和掌握TensorFlow相关技术，*后还用实战项目帮助您快速地学会TensorFlow开发，并使用TensorFlow技术来解决实际问题。本书代码主要是在1.6版本的基础上进行开发的，同时兼容1.2~1.10的版本，并已得到验证。本书主要面向对TensorFlow、深度学习、人工智能具有强烈兴趣且希望尽快入门的相关从业人员、高校相关专业的教育工作者和在校学生，以及正在从事深度学习工作且希望深入的数据科学家、软件工程师、大数据平台工程师、项目管理者等。

【作者简介】

黄鸿波，珠海金山办公软件有限公司（WPS）人工智能领域专家，高级算法工程师，拥有多年软件开发经验。曾在格力电器股份有限公司大数据中心担任人工智能领域专家，且在多家公司担任过高级工程师，技术经理，技术总监等职务。曾带领团队开发过基于人脸识别技术的智能支付系统、推荐系统、知识图谱、智能问答系统等。擅长数据挖掘、机器学习、移动开发等专业领域，并拥有丰富的实战经验。

【目录】

第1章  人工智能与深度学习1

1.1  人工智能与机器学习1

1.2  无处不在的深度学习6

1.3  如何入门深度学习7

1.4  主流深度学习框架介绍13

第2章  搭建TensorFlow环境15

2.1  基于pip安装15

2.1.1  基于Windows环境安装TensorFlow15

2.1.2  基于Linux环境安装TensorFlow22

2.2  基于Java安装TensorFlow24

2.3  安装TensorFlow的常用依赖模块27

2.4  Hello TensorFlow30

2.4.1  MNIST数据集30

2.4.2  编写训练程序32

2.5  小结35

第3章  TensorFlow基础36

3.1  TensorFlow的系统架构36

3.1.1  Client37

3.1.2  Distributed Master38

3.1.3  Worker Service39

3.1.4  Kernel Implements39

3.2  TensorFlow的数据结构——张量39

3.2.1  什么是张量39

3.2.2  张量的阶40

3.2.3  张量的形状40

3.2.4  数据类型41

3.3  TensorFlow的计算模型——图42

3.3.1  计算图基础42

3.3.2  计算图的组成43

3.3.3  计算图的使用45

3.3.4  小结48

3.4  TensorFlow中的会话——Session48

第4章  TensorFlow中常用的激活函数与神经网络50

4.1  激活函数的概念50

4.2  常用的激活函数51

4.2.1  Sigmoid函数51

4.2.2  Tanh函数53

4.2.3  ReLU函数55

4.2.4  Softplus函数57

4.2.5  Softmax函数58

4.2.6  小结59

4.3  损失函数的概念60

4.4  损失函数的分类63

4.5  常用的损失函数65

4.5.1  0-1损失函数65

4.5.2  Log损失函数66

4.5.3  Hinge损失函数69

4.5.4  指数损失70

4.5.5  感知机损失70

4.5.6  平方（均方）损失函数71

4.5.7  绝对值损失函数71

4.5.8  自定义损失函数71

4.6  正则项72

4.6.1  L0范数和L1范数72

4.6.2  L2范数73

4.6.3  核范数74

4.7  规则化参数76

4.8  易混淆的概念76

4.9  神经网络的优化方法77

4.9.1  梯度下降算法77

4.9.2  随机梯度下降算法79

4.9.3  其他的优化算法80

4.9.4  小结84

4.10  生成式对抗网络（GAN）84

4.10.1  CGAN96

4.10.2  DCGAN97

4.10.3  WGAN98

4.10.4  LSGAN99

4.10.5  BEGAN100

第5章  卷积神经网络102

5.1  神经网络简介102

5.1.1  神经元与神经网络102

5.1.2  感知器（单层神经网络）与多层感知器104

5.2  图像识别问题108

5.3  常用的图像库介绍111

5.4  卷积神经网络简介114

5.4.1  CNN的基本原理与卷积核115

5.4.2  池化116

5.4.3  再探ReLU118

5.5  CNN模型119

5.5.1  LeNet-5模型119

5.5.2  AlexNet模型123

5.5.3  Inception模型130

5.6  用CNN实现MNIST训练147

第6章  循环神经网络151

6.1  初识循环神经网络151

6.1.1  前馈神经网络152

6.1.2  神经网络中的时序信息158

6.2  详解循环神经网络159

6.3  RNN的变种——双向RNN162

6.4  One-Hot Encoding165

6.5  词向量和word2vec166

6.5.1  CBOW模型167

6.5.2  Skip-Gram模型168

6.6  梯度消失问题和梯度爆炸问题169

6.6.1  梯度下降170

6.6.2  解决梯度消失和梯度爆炸问题的方法172

6.7  RNN的变种——LSTM179

6.8  写诗机器人189

第7章  TensorFlow的可视化196

7.1  TensorBoard简介196

7.2  生成和使用TensorBoard200

7.3  TensorBoard的面板展示208

7.4  小结223

第8章  TensorFlow中的数据操作224

8.1  制作TFRecords数据集224

8.2  Dataset API介绍230

8.3  TensorFlow中的队列233

第9章  支持向量机（SVM）240

9.1  什么是支持向量机240

9.2  计算最优超平面242

9.3  TensorFlow实现线性SVM243

9.4  非线性SVM介绍247

9.5  使用TensorFlow实现非线性SVM分类器250

第10章  TensorFlow结合Flask发布MNIST模型258

10.1  Flask框架介绍258

10.2  训练MNIST模型259

10.3  小结275

第11章  TensorFlow模型的发布与部署276

11.1  TensorFlow Serving的前导知识276

11.2  TensorFlow Serving 模型打包280

11.3  TensorFlow Serving模型的部署和调用284

第12章  TensorFlow Lite牛刀小试285

12.1  什么是TensorFlow Lite285

12.2  如何使用TensorFlow Lite模型287

12.3  TensorFlow Lite与Android结合实现图像识别290

第13章  TensorFlow GPU296

13.1  什么是GPU296

13.2  GPU的选择297

13.3  搭建TensorFlow GPU299

13.3.1  在Windows上搭建TensorFlow GPU299

13.3.2  在Linux上搭建TensorFlow GPU307

13.4  使用TensorFlow GPU进行训练311

第14章  TensorFlow与目标检测317

14.1  传统目标检测方法317

14.2  RCNN介绍319

14.3  Fast-RCNN321

14.4  Faster-RCNN325

14.5  YOLO328

附录A  TensorFlow历代版本更新内容354

A.1  TensorFlow 1.3版本更新内容354

A.2  TensorFlow 1.4版本更新内容355

A.3  TensorFlow 1.5版本更新内容356

A.4  TensorFlow 1.6版本更新内容356

A.5  TensorFlow 1.7版本更新内容357

A.6  TensorFlow 1.8版本更新内容357

A.7  TensorFlow 1.9版本更新内容358